主要内容
遥感影像数字图像处理的内容主要有：
1、图像恢复：即校正在成像、记录、传输或回放过程中引入的数据错误、噪声与畸变。包括辐射校正、几何校正等；
2、数据压缩：以改进传输、存储和处理数据效率；
3、影像增强：突出数据的某些特征，以提高影像目视质量。包括彩色增强、反差增强、边缘增强、密度分割、比值运算、去模糊等；
4、信息提取：从经过增强处理的影像中提取有用的遥感信息。包括采用各种统计分析、集群分析、频谱分析等自动识别与分类。通常利用专用数字图像处理系统来实现，且依据目的不同采用不同算法和技术。
光学处理遥感图像的光学处理包括一般的照相处理、光学的几何纠正、分层叠加曝光、相关掩模处理、假彩色合成、电子灰度分割和物理光学处理等。光学处理有时称为模拟处理。数字处理是指用计算机图像分析处理系统进行的遥感图像处理。遥感图像的数字处理往往与多光谱扫描仪和专题制图仪图像数据的应用联系在一起。数字处理方式灵活，重复性好，处理速度快，可以得到高像质和高几何精度的图像，容易满足特殊的应用要求，因而得到广泛的应用。
图像校正
遥感卫星的多光谱扫描仪每次扫描有6个光—电转换器件平行工作，专题制图仪每次扫描有16个光电器件平行工作。因此，一次扫描可得到6行或16行图像数据。由于各个光—电转换器件的特性差异和电路漂移，图像中各像元（像素）的灰度值不能正确反映地物反射的电磁波强度，并且图像上还会出现条纹。因此，需要对原始图像数据的像元灰度值进行校正，这种校正称为辐射校正。在多光谱扫描仪中，辐射校正是通过对各个敏感元件的增益和漂移进行校正来达到的。 多光谱扫描仪和专题制图仪的图像存在一系列几何畸变。
这是因为它们不是瞬间扫描而是用连续扫描的方法取得图像数据的。由于卫星的运动，扫描行并不垂直于运动轨迹方向，在扫描一幅图像的时间内地球自转一个角度而使图像扭歪。在给定视场角下，扫描行两侧的像元对应的地面面积比中间的大，地球的曲率更加大了这一误差。卫星的姿态变动和扫描速度不匀也使图像产生畸变。因此必须对图像进行几何纠正。根据已知的仪器参数及遥测的卫星轨道和姿态参数进行图像的几何纠正，称为系统纠正。需要用卫星图像制图时，系统纠正后的几何精度仍不能满足要求，则需要用地面控制点来进行图像的几何精纠正。若图像的几何误差分布是平面的、二次或三次曲面的，就可以用相应次数的多项式来纠正。经过精纠正，图像的几何精度可达到均方误差在半个像元以内。
卫星遥感图像的辐射校正和几何纠正有时称为卫星图像预处理。遥感卫星地面站通常可以向用户提供经过预处理的图像数据或图片。也有很多用户，宁愿使用原始的磁带数据而根据自己的应用要求进行处理。
处理方法图像整饰处理是提高遥感图像的像质以利于分析解译应用的处理。灰度增强、边缘增强和图像的复原都属于图像的整饰处理。
空间域处理是将卫星图像的像元虽然用256个灰度等级来表示，但地物反射的电磁波强度常常只占256个等级中的很小一部分，使得图像平淡而难以解译，天气阴霾时更是如此。为了使图像能显示出丰富的层次，必须充分利用灰度等级范围，这种处理称为图像的灰度增强。
常用的灰度增强方法有线性增强、分段线性增强、等概率分布增强、对数增强、指数增强和自适应灰度增强6种。
1、线性增强：把像元的灰度值线性地扩展到指定的最小和最大灰度值之间；
2、分段线性增强：把像元的灰度值分成几个区间，每一区间的灰度值线性地变换到另一指定的灰度区间；
3、等概率分布增强：使像元灰度的概率分布函数接近直线的变换；
4、对数增强：扩展灰度值小的像元的灰度范围，压缩灰度值大的像元的灰度范围；
5、指数增强：扩展灰度值大的和压缩灰度值小的像元的灰度范围；
6、自适应灰度增强：根据图像的局部灰度分布情况进行灰度增强，使图像的每一部分都能有尽可能丰富的层次。图像卷积是一种重要的图像处理方法，其基本原理是：像元的灰度值等于以此像元为中心的若干个像元的灰度值分别乘以特定的系数后相加的平均值。由这些系数排列成的矩阵叫卷积核。选用不同的卷积核进行图像卷积，可以取得各种处理效果。例如，除去图像上的噪声斑点使图像显得更为平滑；增强图像上景物的边缘以使图像锐化；提取图像上景物的边缘或特定方向的边缘等。常用的卷积核为3×3或5×5的系数矩阵，有时也使用7×7或更大的卷积核以得到更好的处理效果，但计算时间与卷积核行列数的乘积成正比地增加。
图像的灰度增强和卷积都是直接对图像的灰度值进行处理，有时称为图像的空间域处理。空间频率域处理在数字信号处理中常用离散的傅里叶变换，把信号转换成不同幅度和相位的频率分量,经滤波后再用傅里叶反变换恢复成信号，以提高信号的质量。图像是二维信息，可以用二维的离散傅里叶变换把图像的灰度分布转换成空间频率分量。图像灰度变化剧烈的部分对应于高的空间频率，变化缓慢的部分对应于低的空间频率。滤去部分高频分量可消除图像上的斑点条纹而显得较为平滑，增强高频分量可突出景物的细节而使图像锐化，滤去部分低频分量可使图像上被成片阴影覆盖的部分的细节更清晰地显现出来。精心设计的滤波器能有效地提高图像的质量。经傅里叶变换、滤波和反变换以提高图像质量的处理，有时称为图像的空间频率域处理。
图像复原理想的遥感图像应当能真实地反映地物电磁波反射强度的空间分布，但实际上存在着各种使图像质量下降（退化）的因素。对于卫星多光谱扫描仪图像，大气对电磁波的散射和绕射，遥感器光学系统的不完善，像元面积非无穷小，以及信号在电路中的失真和数字化采样过程，都会造成图像的退化。如果已知造成图像退化的数学模型，便可用计算机进行数字处理以消除退化因素的影响，使图像尽可能接近理想。这种处理称为图像复原，在几何纠正再采样过程中，同时进行图像的复原处理可以使图像的分辨率显著提高。
算术运算图像的算术运算是另一种灰度增强方法。图像的相加和相乘，常被用于几种遥感图像的复合。同一地点不同时期的两张图像配准后相减，可以突出地物的变化。不同谱段的两幅多光谱图像相除称为比值图像，它可用于消除图像上的阴影部分，加深不同类别地物的差别。
图像配准、投影变换和镶嵌：在多种遥感图像复合使用时，应当使同一地物在各图像上处于同一位置，这称为图像配准。图像配准与几何精纠正有相似的含义。前者指遥感图像间的配准，而后者是遥感图像与地形图间的配准。当两幅图像较接近时可以用计算机进行自动配准。
用遥感数据进行专题制图时，需要和地形图配准才能知道地物的确切位置。当比例尺较小时，各种投影的几何形状差别较大，通常先按地图投影的几何表达式进行遥感图像的投影变换，然后再进行几何精纠正，以保证精度。
由于地图的分幅与遥感图像的分幅不同，当两者配准时总会遇到一幅地图包含两幅以至四幅遥感图像的情况。这时需要把几幅图像拼接在一起，这称为图像镶嵌。由于这些图像可能在不同日期经过不同处理后得到的，简单的拼接往往能看出明显的色调差别。为了得到色调统一的镶嵌图，要先进行各波段图像的灰度匹配。例如，根据图像重叠部分具有相同的灰度平均值和方差的原则调整各图像的灰度值，以及利用自然界线（如河流、山脊等）作为拼接在边界而不是简单的矩形镶嵌。这样可使镶嵌图无明显的接缝。
分析分类在遥感图像的实际使用中，常常需要从大量图像数据中提取特定用途的信息，这称为特征提取，常常还需要进行分类和类聚处理，以识别地物类型。主成分分析法多光谱图像数据包含多个波段，数据量较大，当复合使用时数据量更大，往往难于直接使用。实际上各波段图像之间虽有差别，但也存在一定的相关关系。例如，明亮的物体反射的电磁波强度在各波段上虽有差别，但都比阴暗的物体反射的电磁波强度大。主成分分析法是用各波段图像数据的协方差矩阵的特征矩阵进行多波段图像数据的变换，以消除它们之间的相关关系。把大部分信息集中在第一主成分，部分信息集中在第二主成分，少量信息保留在第三主成分和以后各成分的图像上。因此，前面几个主成分就包含了绝大部分信息。主成分分析法有时称为K－L变换。信息过分集中的主成分图像往往并不一定有利于分析应用。用计算机分类时，多光谱图像数据的波段数目越多，计算量就越大。对指定类别的分类常用各类别样区间的分离度作为指标，从已有波段中选取最佳的几个波段组合来进行分类。以尽可能少的波段来获得尽可能好的分类效果，这是另一种特征提取方法。在农、林等遥感应用中，还可通过各波段图像间的算术运算或矩阵变换来得到能反映植物长势和变异的信息。多光谱图像数据的计算机分类，通常是建立在不同地物在各波段反射的电磁波强度差别的基础上的。若以各波段接收到的电磁波强度为坐标，则n个波段可形成n维波谱空间。各波段上同一像元对应于N维空间的一个点,而同类地物可形成一个点集。计算机分类的基本原理在于把波谱空间中的点集区分开来，常用的分类方法有监督分类法和无监督分类法两种。监督分类法根据已知地物、选择各类别的训练区。计算各训练区内像元的平均灰度值，以此作为类别中心并计算其协方差矩阵。对于图像各未知像元，则计算它们和各类别中心的距离。当离开某类别中心的距离最近并且不超过预先给定的距离值时，此像元即被归入这一类别。当距离超过给定值时，此像元归入未知类别，最大似然率法是常用的监督分类法。
无监督分类法根据各波段图像像元灰度分布的统计量，设定N个均值平均分布的类别中心。计算每个像元离开各类别中心的距离，并把它归入距离最近的一类。所有像元经计算归类后算出新的类别中心，然后再计算各个像元离开新类别中心的距离，并把它们分别归入离开新类别中心最近的一类。所有像元都重新计算归类完毕后，又产生新的类别中心。这样迭代若干次，直到前后两次得到的类别中心之间的距离小于给定值为止。纹理分析法根据像元在波谱空间的位置来分类，但不考虑地物在图像上的形状。纹理分析法是根据周围各像元的分布作为确定这个像元类别的一种方法。它也是一种较实用的分类方法。遥感图像的一个像元中，往往包含多种地物，不同的地物也可能有相近的波谱特性。加上各种噪声，使计算机分类的准确度受到一定的限制。除研制和改进遥感器和分类方法外，使用多时相和多种遥感数据并与有关的数据库配合，可有效地提高分类的准确度。
优点介绍1.再现性好数字图像处理与模拟图像处理（光学处理）的根本不同在于，它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。只要图像在数字化时准确地表现了原稿，则数字图像处理过程始终能保持图像的再现。 2．处理精度高按目前的技术，几乎可将一幅模拟图像数字化为任意大小的二维数组，这主要取决于图像数字化设备的能力。现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高，这意味着图像的数字化精度可以达到满足任一应用需求。对计算机而言，不论数组大小，也不论每个像素的位数多少，其处理程序几乎是一样的。换言之，从原理上讲不论图像的精度有多高，处理总是能实现的，只要在处理时改变程序中的数组参数就可以了。回想一下图像的模拟处理，为了要把处理精度提高一个数量级，就要大幅度地改进处理装置，这在经济上是极不合算的。
3．适用面宽图像可以来自多种信息源，它们可以是可见光图像，也可以是不可见的波谱图像（例如X射线图像、射线图像、超声波图像或红外图像等）。从图像反映的客观实体尺度看，可以小到电子显微镜图像，大到航空照片、遥感图像甚至天文望远镜图像。这些来自不同信息源的图像只要被变换为数字编码形式后，均是用二维数组表示的灰度图像（彩色图像也是由灰度图像组合成的，例如RGB图像由红、绿、蓝三个灰度图像组合而成）组合而成，因而均可用计算机来处理。即只要针对不同的图像信息源，采取相应的图像信息采集措施，图像的数字处理方法适用于任何一种图像。
4．灵活性高图像处理大体上可分为图像的像质改善、图像分析和图像重建三大部分，每一部分均包含丰富的内容。由于图像的光学处理从原理上讲只能进行线性运算，这极大地限制了光学图像处理能实现的目标。而数字图像处理不仅能完成线性运算，而且能实现非线性处理，即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现。
